前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的計算機視覺技術應用主題范文，僅供參考，歡迎閱讀并收藏。

第1篇：計算機視覺技術應用范文

關鍵詞：計算機；視覺技術；交通工程

中圖分類號：TP391 文獻標識碼：A 文章編號：1674-7712 （2014） 04-0000-01

一、引言

隨著科技的發展，計算機替代人的視覺與思維已經成為現實，這也是計算機視覺的突出顯現。那么在物體圖像中識別物體并作進一步處理，是客觀世界的主觀反應。在數字化圖像中，我們可以探尋出較為固定的數字聯系，在物體特征搜集并處理時做到二次實現。這既是對物體特征的外在顯現與描繪，更是對其定量信息的標定。從交通工程領域的角度來看，該種技術一般應用在交管及安全方面。監控交通流、識別車況及高速收費都是屬于交通管理的范疇；而對交通重大事件的勘察及甄別則是交通安全所屬。在這個基礎上，筆者對計算機視覺系統的組成及原理進行了分析，并形成視覺處理相關技術研究。

二、設計計算機視覺系統構成

計算機視覺處理技術的應用是建立在視覺系統的建立基礎上的。其內部主要的構成是計算機光源、光電轉換相關器件及圖像采集卡等元件。

（一）照明條件的設計。在測量物體的表征時，環境的創設是圖像分析處理的前提，其主要通過光線反射將影像投射到光電傳感器上。故而要想獲得清晰圖像離不開照明條件的選擇。在設計照明條件時，我們通常會視具體而不同處理，不過總的目標是一定的，那就是要利于處理圖像及對其進行提取分析。在照明條件的設定中，主動視覺系統結構光是較為典型的范例。

（二）數據采集的處理。如今電耦合器件（CCD）中，攝像機及光電傳感器較為常見。它們輸出形成的影像均為模擬化的電子信號。在此基礎上，A模式與D模式的相互對接更能夠讓信號進入計算機并達到數字處理標準，最后再量化入計算機系統處理范圍。客觀物體色彩的不同，也就造就了色彩帶給人信息的差異。一般地黑白圖像是單色攝像機輸入的結果；彩色圖像則需要彩色相機來實現。其過程為：彩色模擬信號解碼為RGB單獨信號，并單獨A/D轉換，輸出后借助色彩查找表來顯示相應色彩。每幅圖像一旦經過數字處理就會形成點陣，并將n個信息濃縮于每點中。彩色獲得的圖像在16比特，而黑白所獲黑白灰圖像則僅有8比特。故而從信息采集量上來看，彩色的圖像采集分析更為繁復些。不過黑白跟灰度圖像也基本適應于基礎信息的特征分析。相機數量及研究技法的角度，則有三個分類：“單目視覺”、“雙目”及“三目”立體視覺。

三、研究與應用計算機視覺處理技術

從對圖像進行編輯的過程可以看出，計算機視覺處理技術在物體成像及計算后會在灰度陣列中參雜無效信息群，使得信息存在遺失風險。成像的噪聲在一定程度上也對獲取有效信息造成了干擾。故而，處理圖像必須要有前提地預設分析，還原圖像本相，從而消去噪音。邊緣增強在特定的圖像變化程度中，其起到的是對特征方法的削減。基于二值化，分割圖像才能夠進一步開展。對于物體的檢測多借助某個范圍來達到目的。識別和測算物體一般總是靠對特征的甄別來完成的。

四、分析處理三維物體技術

物體外輪擴線及表面對應位置的限定下，物體性質的外在表現則是其形狀。三維物體從內含性質上來看也有體現，如通過其內含性質所變現出來的表層構造及邊界劃定等等。故而在確定圖像特征方面，物體的三維形態是最常用的處理技術。檢測三維物體形狀及分析距離從計算機視覺技術角度來看，渠道很多，其原理主要是借助光源特性在圖像輸入時的顯現來實現的。其類別有主動與被動兩類。借助自然光照來對圖像獲取并挖掘深入信息的技術叫做被動測距；主動測距的光源條件則是利用人為設置的，其信息也是圖像在經過測算分析時得到的。被動測距的主要用途體現在軍工業保密及限制環境中，而普通建筑行業則主要利用主動測距。特別是較小尺寸物體的測算，以及擁有抗干擾及其他非接觸測距環境。

（一）主動測距技術。主動測距，主要是指光源條件是在人為創設環境中滿足的，且從景物外像得到相關點化信息，可以適當顯示圖像大概并進行初步分析處理，以對計算適應功率及信息測算程度形成水平提高。從技術種類上說，主動測距技術可分為雷達取像、幾何光學聚焦、圖像干擾及衍射等。除了結構光法外的測量方法均為基于物理成像，并搜集所成圖像，并得到特殊物理特征圖像。從不同的研究環境到條件所涉，以結構光法測量作為主要技術的工程需求較為普遍，其原理為：首先在光源的設計上由人為來進行環境考慮測算，再從其中獲取較為全面的離散點化信息。在離散處理后，此類圖像已經形成了較多的物體真是特征表象。在此基礎上，信息需要不斷簡化與甄別、壓縮。如果分析整個物體特征信息鏈，則后期主要體現在對于數據的簡化分析。如今人們已經把研究的目光轉向了結構光測量方法的應用，體現在物體形狀檢測等方面。

（二）被動測距技術。被動測距，對光照條件的選擇具有局限性，其主要通過對于自然光的覆蓋得以實現。它在圖像原始信息處理及分析匹配方面技術指向較為突出。也通過此三維物體之形狀及周圍環境深度均被顯露。在圖像原始信息基礎上的應用計算，其與結構光等相比繁雜程度較高。分析物體三維特性，著重從立體視覺內涵入手，適應物體自身特點而存在。不過相對來說獲得圖像特征才是其適應匹配的條件保障。點、線、區域及結構紋理等是物象特征的主體形式。其中物特較為基礎與原始的特征是前兩個特征，同時它們也是其他相關表征的前提。計算機系統技術測量基本原理為對攝像機進行構建分析，并對其圖像表征進行特征匹配，以得到圖像不同區間的視覺差異。

五、結束語

通過對計算機視覺技術的研究，悉知其主要的應用領域及技術組成。在系統使用的基礎上深入設計，對系統主要構成環節進行分析。從而將三維復雜形態原理、算法及測量理論上升到實際應用。隨著社會對于計算機的倚賴程度增加，相信該技術在建筑或者其他領域會有更加深入的研究及應用。

參考文獻：

[1]段里仁.智能交通系境在我國道路空通管理中的應用[J].北方工業時報，2012（06）.

[2]王豐元.計算機視覺在建筑區間的應用實例分析[J].河北電力學報，2011（04）.

第2篇：計算機視覺技術應用范文

關鍵詞:計算機視覺；果蔬分類；應用；挑戰；展望

自“農業4.0”時代的來臨，以“互聯網+”為驅動的農業技術已成為發展農業強有力的支撐。在果蔬業中，果蔬分類通常由經過訓練的人員人工評估農產品或農作物的質量。但是，人工分類會帶來許多相關的限制，工作人員需要熟悉果蔬的許多特征，并且高強度的機械性工作帶來的失誤不可避免，因而分類技術的提高是農產品質量提升的關鍵。計算機視覺技術具有效率高、非接觸、抗干擾能力強等優點，在多個領域已經廣泛應用，能實現農產品快速無損檢測的要求[1]。果蔬分級效率的提升對我國產品質量提升、農民增產增收具有重要意義。

1圖像處理技術在果蔬分類領域的應用

本文對基于計算機視覺技術的果蔬分類進行了比較調查，發現研究人員多使用一種或者多種傳感器或者機器學習技術進行農產品的分類與分級，但是由于相同水果品種不同造成形狀、大小與顏色的不同，果蔬的分類依然面臨著許多挑戰[2]。為解決這些問題研究人員已經進行了多種實驗，其中結合機器學習技術對于系統有明顯提升。通過使用傳感器捕獲水果與蔬菜的特征，使用機器學習對任務進行優化，以提高系統整體性能[3]。

2果蔬分類的主要挑戰

雖然已經在多個產業中實現目標分類，但將果蔬作為對象進行分類仍然是一項復雜的問題。在實際過程中，環境、光及空間等因素制約了系統的優化，使系統的時間與準確性方面受到限制。光照方向及亮度、色溫以及背景所造成的鏡面反射與漫反射都會制約系統的進一步優化，并且不同種類果蔬的特征并不相同，這也使果蔬分類系統沒有被廣泛地開發。

2.1缺乏合適的傳感器

分類任務的一個關鍵步驟就是選擇適合場景的傳感器用于數據采集。在果蔬的分類任務中視覺傳感器與非視覺傳感器已經廣泛地應用，但是由于各種傳感器性質不同其所適用的應用場景亦有不同[4-6]。例如超聲波傳感器與觸覺傳感器都不太適合易損的目標物[7]。因為這些傳感器需要物理接觸果蔬以獲取數據。另外，視覺傳感器對許多因素高度敏感，例如照明條件和背景環境。這些基本因素是許多復雜因素的結合，包括反射、折射、縮放、旋轉和平移，這在系統實際的設計中需要深入考慮。傳感器大致分為視覺傳感器和非視覺傳感器。由于每個傳感器具有一定的局限性，例如視覺傳感器對照明條件和背景顏色高度敏感。高光譜相機可以得出物體反射特性，檢測具有相似顏色或背景的不同對象的固有特性，其對許多顏色等因素不敏感，并且高光譜信息與水果的其他特征相結合，可以提高系統性能。最近，熱紅外分析已用于許多領域，例如植物病害檢測、冷藏對果實的冷害、農作物成熟度估算和農作物產量估算[8]。然而，由于蔬菜和背景的熱物理性質大致相似，并且這種技術對溫度變化敏感，因而熱紅外分析仍不能很好地完成綠顏色水果和多葉蔬菜的分類任務。

2.2難以準確選擇特征

特征是用于與其他物體區分的物理特征。果蔬具有多種物理特征，例如顏色、質地、形狀和大小，這些都是可以用作分類的特征參數，并且果蔬具有類間和類內的同異性。類別間的變化是主要變化，即顏色、紋理和形狀的變化，而類別內的變化更難以發現，特征更加難以區分。理想的系統能夠進行類間和類內分類。研究表明，單個特征不能有效地對果蔬或物體進行有效分類。計算機視覺是用于圖像分類和識別的一種技術，可以設計算法通過多種方式對果蔬進行分類，通常分類是基于神經網絡完成。在任何機器學習應用程序中選擇合適的算法至關重要，但是由于果蔬的類間相似性，算法優化尤為重要。數字圖像中某些與特性有關信息的識別、分類、檢索、重建稱為特征描述，果蔬具有相關的獨特視覺特征。果蔬的分類和識別最常用的特征是顏色、形狀、大小和質地，可以根據整體或局部圖像特征來選擇特征描述是全局或者局部的特征。特別是對于對象識別，全局圖像特征描述整個對象，具有良好的不變性，而局部圖像特征則易于實現快速匹配。因此，通常將局部和全局圖像特征配合使用以提高整體性能。在圖像經過去噪、平滑等操作之后，圖像的細節將不可避免地丟失，因而需要更加注意特征的選取。這些因素對特征描述的選取造成了一些限制。

3展望

第3篇：計算機視覺技術應用范文

 

數據挖掘就是從大量的不完全的有噪聲的模糊的隨機的實際應用數據中，抽取隱含在其中的、事先并不知道的、但又是潛在有用的信息和知識的過程。

 

決策樹算法作為常用的數據挖掘技術之一，其基本思想是將實例庫中記錄的大量有限的具體事實數據進行歸納和分類并建立樹型結構，以發現并形成隱含在大量實例中的若干形式化的分類判別規則，典型的決策樹算法方法有ID3方法和IBLE(Information—based Learning from Example)方法。

 

利用決策樹評估教材質量的基本思想

 

筆者以高校教學質量建設中的重頭戲——教材建設為例來闡釋決策樹算法在教育統計學中的應用。

 

從教材的教學水平，科學水平等兩大要素來對教材的質量進行合理分類，探索出科學合理的決策樹的模型，使之成為學校教材建設管理的理論方法，并在今后的教材管理中起著一定的指導作用。

 

教學水平：教材符合人才培養目標及本課程教學的要求：取材合適、深度適宜、份量恰當;符合認知規律;富有啟發性;便于學習。

 

科學水平：能反映本學科國內外科學研究和教學研究的先進成果;能完整地表達本課程應包含的知識;反映其相互聯系及發展規律;結構嚴謹。

 

構建決策樹模型

 

即利用訓練集(教材建設數據庫)建立并精化一棵決策樹。該過程可分為建樹和剪枝兩階段。其中，建樹是用每一個屬性將訓練集劃分成一個或多個子集，遞歸地調用該過程，直到每個子集中的記錄都屬于同一類，最終得到決策樹。剪枝是為提高樹的精度及分類效率，而去掉因訓練數據中的噪聲和孤立點等引起的不可靠或可能是噪聲的一些枝條。

 

利用決策樹研究影響教材質量的因素

 

首先，將學生問卷調查數據庫和教學管理部門所掌握的資料結合起來，分類整理，同時進行規范化的數據清洗，得到創建決策樹模型的訓練集，如表1所示。

 

根據評估預期的要求，將所有教材的評估結果分為兩類：

 

Class p：綜合評價=“優秀”

 

Class n：綜合評價=“一般”

 

從上表顯示的數據可知，綜合評價為“一般”的教材有9種， 綜合評價為“優秀”的教材有6種，從而可以計算出樣本分類的期望信息：

 

—∑Pi log2(pi)=

 

I(p，n)=I(9，6)= —[(9/15)×log2(9/15)+6/15×log2=(6/15)]

 

=—(—0.444—0.53)=0.974

 

下面以綜合評價是否為“優秀”作為衡量標準分別計算由各個屬性劃分子集的信息熵，以及各自的信息增益度。

 

計算“教學水平”的信息增加益度

 

從而算出信息熵E(教學水平)=

 

I(3，1)+I(3，2)+I(0，3)+I(0，3)=0.43

 

再計算出其信息增益度

 

GainI(p，n)—E(教學水平)=0.974—0.507=0.467

 

計算“科學水平”的信息增益度

 

計算信息熵E(科學水平)=I(2，1)+I(3，2)+I(1，6)+I(0，0)—0.783再計算出其信息增益度GainI(科學水平)=I(p，n)—E(科學水平)=0.974—0.783=0.191

 

計算“教材編者職稱”的信息增益度

 

從而算出信息熵E(教材編者職稱)=I(4，1)+I(2，1)+I(0，4)+I(0，3)=0.424再計算出其信息增益度GainI(教材編者職稱)—I(p，n)—E(教材編者職稱)=0.974—0.424=0.55

 

計算“教材編者學歷”的信息增益度

 

計算信息熵E(教材編者學歷)=I(3，1)+I(3，3)+I(0，5)=0.667再計算出其信息增益度GainI(教材編者學歷)=(p，n)—(教材編者學歷)=0.974—0.667=0.307

 

由此可以得知“教材編者職稱”的信息增益度最大，它是最能區別訓練集實例中教材質量的屬性，應作為決策樹的根節點。根據各個屬性的信息增益度的大小，可以構建該訓練集實例的決策樹如下圖1所示：

 

由該決策樹可以得出諸如以下結論：

第4篇：計算機視覺技術應用范文

 

1 計算機視覺定義

 

人類天生具有五感，視覺便是其中之一，而計算機視覺，就是讓計算機網絡能夠睜開眼看世界。讓計算機有一定的視覺能力，可以從各個方面幫助人們進行監督、檢驗檢測。利用計算機視覺科學可以使工作變得更加簡便。計算機視覺主要應用于對二維碼、條形碼、照片、視頻資料如片段等進行智能處理。

 

2 計算機視覺研究在醫療、交通中的作用

 

隨著醫學成像技術的發展與進步，圖像處理在醫學研究與臨床醫學中的應用越來越廣泛。最常見的有癌細胞顯微圖像分割與識別、基于多特征融合的血紅細胞識別和乳腺癌細胞計算機的自動識別等。計算機視覺技術的迅猛發展，為醫療診斷帶來了很大的方便，同時促進了臨床醫學的發展。另外，在各大綜合醫院慢慢發展起的體檢體系中，計算機視覺技術起到了決定性因素。隨著體檢的人數上升，對醫院體檢的管理、速度、準確性都提出了更高的要求。視覺識別輕而易舉的解決了這個問題，只需要去識別體檢人員的身份證，就可以將體檢人員對號入座，檢查過的項目，沒有檢查的項目一目了然。理化指標的檢驗，只需要在采血試管或采尿瓶上粘貼與體檢者對應的條形碼即可，利用視覺技術對號入座，方便而準確的確定每一位體檢人員的血樣及尿樣。及提高了醫院的工作效率，又將錯誤率降到最低。

 

計算機視覺在交通上同樣得到了廣泛的應用及發展。交通安全是交通運輸中的重大問題，隨著近年來機動汽車數量的迅猛增長，交通事故的發生也隨之越來越頻繁，給人類社會帶來的危害也日趨嚴重，使很多的家庭失去親人，甚至家破人亡。全國一線城市例如：北京、上海、廣州、深圳等交通道路供需的矛盾日趨嚴重，交通安全、交通堵塞及環境污染已成為困擾我國交通領域的三大難題。基于圖像處理的計算機視覺技術是通過攝像機獲取場景圖像，并借助于計算機軟件構建一個自動化或半自動化的圖像、視頻理解和分析系統，并提供及時準確的圖像、視頻處理結果，以模仿人的視覺功能。主要功能如下：

 

一是基于計算機視覺技術的車輛牌照自動識別： 車輛牌照是車輛的唯一身份，對車輛牌照的有效檢測與識別在車輛違章檢測、停車場管理、不停車收費、被盜車輛稽查等方面有著重要的應用價值。盡管針對車牌識別技術的研究相對成熟，然而在實際的應用場景中，受到天氣、光照、拍攝視角、車牌扭曲等因素的影響，車牌識別技術仍然有一定的改善空間。

 

二是基于計算機視覺技術的車輛檢測與流量統計：目前城市交通路口的紅路燈間隔時間是固定的，而不同路段、不同時間段交通流量是隨機變化的。若能根據各個交通路口的交通狀況輔以計算機進行自動分析，并判斷與預測交通流量，無疑為交通警察出警，紅綠燈時間間隔的動態設置等提供技術支持。

 

三是基于計算機視覺技術的公交專用道路非法占道抓拍：公共交通是每個城市交通的重中之重，城市的公共交通為老百姓提供了便捷的出行方式。公共交通的發展，有利于城市的節能減排，有利于降低城市的空氣污染指數。由于城市公共交通具有運量大、相對投資少、人均占有道路少等優點，解決城市交通問題必須優先發展城市公共交通。然而目前擁擠、緩慢的公交出行方式已成詬病，因此發展“快速公交”將是未來公交的一種運行模式。道路暢通則是發展“快速公交”的前提，相應地，公交專用車道的設定必不可少。為防止其他社會車輛的駛入，并對違規駛入的其他社會違規車輛進行抓拍與懲罰是保證公交車道公交車專駛的一種重要手段。因此在公交車前部裝置攝像頭并輔以其他處理設備，從而可以使得每一輛公交車成為了一個流動的監控設備。

 

3 計算機視覺在條形碼檢測中的應用

 

條形碼是將寬度不等的多個黑條和空白，按照一定的編碼規則排列，用以表達一組信息的圖形標識符。在中國，由中國物品編碼中心賦予制造廠商代碼。那么最常見的計算機視覺應用與條形碼檢測就是在超市中。超市中每樣產品都有自己的條形碼，當人們選擇了自己需要的物品后，來到收銀臺進行結賬，我們會看見收銀人員會用掃碼器對物品的條形碼進行掃描，掃描后就會出現產品的信息及價錢。記錄以及掃描條形碼的技術就是計算機視覺技術。

 

4 計算機視覺重要技術——智能識別

 

近年來，基于生物特征的鑒別技術得到了廣泛重視，主要集中在對人臉、虹膜、指紋、聲音等特征上，這其中大多都與視覺信息有關。指紋、人臉功能已經大范圍在生活中應用，其中很多單位的打卡制度就是依據面部識別、指紋識別來實現的。社會飛速發展的今天，很多的單位都實行了上下班打卡制度，這一制度已經被作為單位管理制度中的重要一條。購買的打卡機就是采用計算機視覺的重要技術——智能識別來實現的。利用打卡機的儲存功能，記錄每個職工的指紋或面部容貌，規定在某一個時間范圍內對應識別指紋或面部容貌，視為打卡。在上下班打卡的過程中，員工將面部或指紋對應在打卡機的制定位置上，讓打卡機進行識別，當識別的結果與存儲結果相同時，打卡成功。這樣看起來十分簡單的打卡機可以使單位的工作有序化，制度化，而實現這個功能的技術就是計算機視覺技術中的重要技術之一：智能識別。

 

5 計算機視覺技術的發展過程及未來

 

計算機視覺技術研究經歷了近40年的過程，20世紀50年代的統計模式識別、60年代的Roberts的三圍積木世界、70年代的Marr為代表的計算理論、80年代的主動視覺，但是仍然面臨許多的問題。主要由于計算機視覺是一個逆問題，視覺信息多種多樣，視覺知識的表達很困難，圖像數據量巨大，信息存儲于檢索困難，對生物學、神經生物學等的研究有待深入。

 

計算機視覺技術的未來必定會朝著高科技發展，航空遙感測控地形地貌、電影特效制作、工業生產自動化檢測、醫學影像檢測，再到天文領域等，在這些科學領域中計算機視覺將無法取代，成為主流的技術之一。

 

作者簡介

第5篇：計算機視覺技術應用范文

【關鍵詞】精密測量 計算機視覺圖像 關鍵技術

在現代城市的建設中離不開測量的運用，對于測量而言需要精確的數值來表達建筑物、地形地貌等特征及高度。在以往的測量中無法精準的進行計算及在施工中無法精準的達到設計要求。本文就計算機視覺圖像精密測量進行分析，并對其關鍵技術做以簡析。

1 概論

1.1 什么是計算機視覺圖像精密測量

計算機視覺精密測量從定義上來講是一種新型的、非接觸性測量。它是集計算機視覺技術、圖像處理技術及測量技術于一體的高精度測量技術，且將光學測量的技術融入當中。這樣讓它具備了快速、精準、智能等方面的優勢及特性。這種測量方法在現代測量中被廣泛使用。

1.2 計算機視覺圖像精密測量的工作原理

計算機視覺圖像精密測量的工作原理類似于測量儀器中的全站儀。它們具有相同的特點及特性，主要還是通過微電腦進行快速的計算處理得到使用者需要的測量數據。其原理簡單分為以下幾步：

（1）對被測量物體進行圖像掃描，在對圖像進行掃描時需注意外借環境及光線因素，特別注意光線對于儀器掃描的影響。

（2）形成比例的原始圖，在對于物體進行掃描后得到與現實原狀相同的圖像，在個步驟與相機的拍照原理幾乎相同。

（3）提取特征，通過微電子計算機對掃描形成的原始圖進行特征的提取，在設置程序后，儀器會自動進行相應特征部分的關鍵提取。

（4）分類整理，對圖像特征進行有效的分類整理，主要對于操作人員所需求的數據進行整理分類。

（5）形成數據文件，在完成以上四個步驟后微計算機會對于整理分類出的特征進行數據分析存儲。對于計算機視覺圖像精密測量的工作原理就進行以上分析。

1.3 主要影響

從施工測量及測繪角度分析，對于計算機視覺圖像精密測量的影響在于環境的影響。其主要分為地形影響和氣候影響。地形影響對于計算機視覺圖像精密測量是有限的，基本對于計算機視覺圖像精密測量的影響不是很大，但還是存在一定的影響。主要體現在遮擋物對于掃描成像的影響，如果掃描成像質量較差，會直接影響到對于特征物的提取及數據的準確性。還存在氣候影響，氣候影響的因素主要在于大風及光線影響。大風對于掃描儀器的穩定性具有一定的考驗，如有稍微抖動就會出現誤差不能準確的進行精密測量。光線的影響在于光照的強度上，主要還是表現在基礎的成像，成像結果會直接導致數據結果的準確性。

2 計算機視覺圖像精密測量下的關鍵技術

計算機視覺圖像精密測量下的關鍵技術主要分為以下幾種：

2.1 自動進行數據存儲

在對計算機視覺圖像精密測量的原理分析，參照計算機視覺圖像精密測量的工作原理，對設備的質量要求很高，計算機視覺圖像精密測量儀器主要還是通過計算機來進行數據的計算處理，如果遇到計算機系統老舊或處理數據量較大，會導致計算機系統崩潰，導致計算結果無法進行正常的存儲。為了避免這種情況的發生，需要對于測量成果技術進行有效的存儲。將測量數據成果存儲在固定、安全的存儲媒介中，保證數據的安全性。如果遇到計算機系統崩潰等無法正常運行的情況時，應及時將數據進行備份存儲，快速還原數據。在對于前期測量數據再次進行測量或多次測量，系統會對于這些數據進行統一對比，如果出現多次測量結果有所出入，系統會進行提示。這樣就可以避免數據存在較大的誤差。

2.2 減小誤差概率

在進行計算機視覺圖像精密測量時往往會出現誤差，而導致這些誤差的原因主要存在于操作人員與機器系統故障，在進行操作前操作員應對于儀器進行系統性的檢查，再次使用儀器中的自檢系統，保證儀器的硬件與軟件的正常運行，如果硬軟件出現問題會導致測量精度的誤差，從而影響工作的進度。人員操作也會導致誤差，人員操作的誤差在某些方面來說是不可避免的。這主要是對操作人員工作的熟練程度的一種考驗，主要是對于儀器的架設及觀測的方式。減少人員操作中的誤差，就要做好人員的技術技能培訓工作。讓操作人員有過硬過強的操作技術，在這些基礎上再建立完善的體制制度。利用多方面進行全面控制誤差。

2.3 方便便攜

在科學技術發展的今天我們在生活當中運用到東西逐漸在形狀、外觀上發生巨大的變大。近年來，對于各種儀器設備的便攜性提出了很高的要求，在計算機視覺圖像精密測量中對設備的外形體積要求、系統要求更為重要，其主要在于人員方便攜帶可在大范圍及野外進行測量，不受環境等特殊情況的限制。

3 計算機視覺圖像精密測量發展趨勢

目前我國國民經濟快速發展，我們對于精密測量的要求越來越來高，特別是近年我國科技技術的快速發展及需要，很多工程及工業方面已經超出我們所能測試的范圍。在這樣的前景下，我們對于計算機視覺圖像精密測量的發展趨勢進行一個預估，其主要發展趨勢有以下幾方面：

3.1 測量精度

在我們日常生活中，我們常用的長度單位基本在毫米級別，但在現在生活中，毫米級別已經不能滿足工業方面的要求，如航天航空方面。所以提高測量精度也是計算機視覺圖像精密測量發展趨勢的重要方向，主要在于提高測量精度，在向微米級及納米級別發展，同時提高成像圖像方面的分辨率，進而達到我們預測的目的。

3.2 圖像技術

計算機的普遍對于各行各業的發展都具有時代性的意義，在計算機視覺圖像精密測量中運用圖像技術也是非常重要的，在提高圖像處理技術做以提高。同時工程方面遙感測量的技術也是對于精密測量的一種推廣。

4 結束語

在科技發展的現在，測量是生活中不可缺少的一部分，測量同時也影響著我們的衣食住行，在測量技術中加入計算機視覺圖像技術是對測量技術的一種革新。在融入這種技術后，我相信在未來的工業及航天事業中計算機視覺圖像技g能發揮出最大限度的作用，為改變人們的生活做出杰出的貢獻。

參考文獻

[1]湯劍.周芳芹.楊繼隆.計算機視覺圖像系統的技術改造[J].機電產品開發與創新周刊，2015，14（18）：33-36.

[2]馬玉真.程殿彬.范文兵，計算機視覺檢測技術的發展及應用研究[J].濟南大學學報，2014，18（23）：222-227.

[3]李華.基于計算機視覺圖像精密測量的關鍵技術分析[J].電腦知識與技術，2013（05）：1211-1212.

第6篇：計算機視覺技術應用范文

1計算機視覺概述

1.1計算機視覺學概述

從某種意義上說，計算機視覺學是一門在20世紀60年代興起的新學科。它是一門邊緣學科，融入了很多學科的特點，具有很強的工程性特征。比如，圖像處理、應用數學、光電技術。換個角度來說，計算機視覺同屬于工程領域、科學領域。

1.2計算機視覺的應用

計算機視覺的應用能夠使計算機具有和人一樣的視覺功能。在生活和生產過程中，照片資料、視頻資料的處理是計算機視覺應用的主要方面。比如，在航空事業方面，對衛星照片的翻譯；在醫學領域中，主要用于輔方面的診斷；在工業生產方面，由于各種復雜因素的影響，計算機視覺在這方面的應用顯得特別簡單，有利于相關系統的實際構成。

2目標圖像檢索存在的問題

從某種角度來說，目標圖像檢索需要分為特征匹配、特征提取兩個方面。它們表達了不同的含義。對于特征提取來說，它是圖像進行檢索的第一步，其提取結果會對進一步的研究造成直接的影響。而對于特征匹配來說，其匹配的準確度會直接影響圖像檢索系統的返回結果。但在目標圖像檢索完善的過程中，遇到一些問題阻礙了這兩個方面的完善。因此，本文作者對其中的一些予以了相關的探討。

2.1環境因素不斷變化

對于目標圖像來說，環境因素是影響其準確率的重要因素。同時，在復雜混亂的環境中，由于受到眾多干擾物的影響，加上部分目標圖像區域被遮蓋，致使目標圖像信息不夠全面，使目標物體特征的提取難度進一步加大。

2.2圖像噪聲的影響

子為了更好地模仿生活中的圖像檢索，數據庫中的圖像也會隨之發生一系列的變化。比如，尺度、角度、光照。而其中圖像噪音的影響會使目標物體的外觀發生對應的變化。在此基礎上，嚴重降低了目標圖像信息獲取的準確度。

2.3目標圖像檢索訓練數據的自動標注

由于處于網絡中的圖像資源信息過于繁多，需要采用手工的方式對它們進行標注。但這種方法非常浪費時間，準確率也比較低。很顯然，這就需要目標檢索圖像能夠具有自動標注的能力。實際上，圖像檢索方法過分依賴人工標注信息。而這些信息很多收到來自各方面因素的影響。比如，認識差異因素、個人經驗。以至于對圖像產生誤解。

3基于計算機視覺下的目標圖像檢索技術

3.1以多尺度視覺為紐帶的目標圖像檢索方法

該種目標檢索技術的應用主要是為了提高目標圖像檢索的準確率，能夠實現目標圖像訓練數據的自動化標注。該類技術主要是用于那些沒有遮擋，不需要進行監督的目標圖像檢索方面。具體來說，它需要經過一系列的訓練。在訓練的過程中，以統計學習為紐帶，對相應多尺度的目標檢測模型進行適當的訓練。在此基礎上，以該模型為基點，對圖像中那些顯著性的區域進行合理地提取。比如，該區域的亮度、顏色。最后，需要對用于該實驗研究中的概率潛在語義分析模型進行合理地利用。總之，利用這種檢索方法可以對圖像中那些顯著目標所處的區域自動進行檢測。同時，對其中目標圖像的顯著性進行合理地排序，能夠提高檢索引擎所返回圖像結果的準確度。

3.2以彩色LBP局部紋理特點為媒介的目標圖像檢索方法

這種目標圖像檢索方法能夠有效地解決圖像信息采集過程圖像噪聲以及其它相關因素對所提取紋理特征的影響，提高了圖像目標的準確率。對于這種圖像目標檢索方法來說，它把圖像彩色空間特征和簡化的LBP特征有機地相融合。在此基礎上，該類方法增加了光照的不變特性，卻保留了LBP局部的旋轉特點。在提高圖像檢索速度方面，主要是利用原來的LBP特征來丟失其中的彩色信息。以此，使其中的特征維度能夠在一定程度上降低。同時，這種目標圖像檢索方法的應用可以使對應計算方法的難度得以降低，還能對角度等變化狀態下的目標圖像進行準確地識別以及檢索。

3.3以視覺一致性為橋梁的目標圖像檢索方法

從某個角度來說，它的應用主要是為了提高圖像搜索引擎的返回效果，使局部噪聲圖形具有更高的顯著性特征。一是：站在客觀的角度，對搜索引擎返回結果的目標顯著圖予以準確的計算。此外，還要對其中的目標顯著系數進行適當地過濾。二是：以所有圖像為基點，以顯著目標為導向，采取視覺一致性的模式。三是：以視覺一致性為基礎，對其中的不同目標圖像信息進行客觀地分類。這種以視覺一致性為核心的方法能夠有效地提高圖像檢索結果的準確率。更重要的是，在提高圖像搜索引擎檢索性能的同時，能夠及時為用戶選出最優的圖像信息。而這些信息資源和用戶尋找的主題信息密切相關。

4結語

第7篇：計算機視覺技術應用范文

關鍵詞：三目攝像機；標定；立體視覺；外部參數

一、緒論

1.1研究的背景及意義

計算機視覺是當今極為重要的學科之一，它在具有很強的挑戰性的同時又擁有廣泛的應用前景和實用價值。計算機視覺以視覺理論為中心，以圖像處理、模式識別、計算機技術和生理學、心理學為基礎，研究內容主要有兩個方面：一是開發從輸入圖像數據自動構造場景描述的圖像處理系統；二是理解人類視覺機理，用機器代替人去做人類難以達到或根本無法達到的工作[1]。

計算機視覺應用的廣泛性體現在其不僅用于文字、指紋、面部、商標以及圖像數據庫、檢測集成電路芯片、多媒體技術這些圖像方面，還應用到機器人導航、工業檢測和產品的自動裝配、CT圖像器官重建和遙感照片解釋等空間物體的定位、識別以及重建上。現如今，計算機視覺已經應用到機器人、地理、醫學、物理、化學、天文等各大的研究領域。

作為多個學科交叉與融合中心的計算機視覺，攝像機是其研究的重要工具，而攝像機標定又是計算機視覺研究的一個關鍵問題，故攝像機的標定越來越受到廣泛的重視。攝像機標定是通過物體空間上的點與圖像中的對應點的幾何關系，來確定攝像機的內外參數的過程。標定結果是否準確影響著三維測量的精度和三維重建的結果，而且實時的標定更能滿足自動導航機器視覺的需要[2]。

伴隨著應用的發展，攝像機廣泛地被應用于三維立體的測量、視覺檢測、運動檢測等領域。由此，對攝像機標定的精度要求也日益增加。攝像機標定結果的優劣影響了計算機視覺在各領域的應用。攝像機標定的準確與否，對能否提高計算機視覺在各領域測量的準確度有重要影響[3]。因此，研究攝像機標定方法具有重要的理論研究意義和實際應用價值。

1.2攝像機標定技術研究的發展及現狀

攝像機有一個圖像平面和提供三維空間到圖像平面轉換的鏡頭。由于鏡頭會產生畸變，不能把這個轉化過程簡單描述為投射變換。所以它表示的是畸變的模型，這些模型近似于真實數據，而其精確性則依靠于建立的模型及模型參數的準確性。

首先進行攝像機標定工作的是加拿大的Deville，他于1910年建立實驗室，使用多個瞄準儀對他的“測量攝像機”（surveying camera）進行標定[4]。上個世紀三十年代后期，美國標準局發明了一種精確鏡頭，用來檢測攝像機，同時將它用在攝像機標定上。四十年代后期，該項工作得到進一步加深，有了更多對高精度的需求和對易操作設備的需求。1955年，Carman出版了 《棋盤平面度的干涉測量和控制》，該書引起了社會各界對攝像機標定的關注。二戰時期，隨著飛機的大規模使用，航空攝影與制圖興起，為得到更加精確的測量結果，對攝像機鏡頭的校正要求也變得更高。五十到七十年代也是鏡頭校正技術發展最為迅速的時間段。在這期間，各種鏡頭像差的表達式逐步被提出并且得到普遍認同與采用，建立了很多的鏡頭像差的模型，D.C.Brown等人作出了比較大的貢獻，他們導出了近焦距情況下給定位置處徑向畸變表達式并證明了近焦距情況下測量出鏡頭兩個位置的徑向畸變就可以求出任何位置的徑向畸變[5]。這些徑向與切向像差表達式成為后來各攝像機的標定非線性模型的基礎。這段時間里，研究的重點是如何校正鏡頭與用何種方法補償鏡頭像差，這些研究對促進各性能鏡頭組的研制起到了重要作用。在1999年，張正友提出了一種簡便的攝像機標定方法，該方法介于傳統標定和自標定之間，操作方便靈活，能夠得到不錯的精度，滿足了眾多擁有桌面視覺系統的用戶在攝像機標定方面的需求。

1.3本文的主要研究內容

本文的主要研究多個攝像機的標定問題。標定主要是對攝像機內外參的測量計算，利用這些參數對多個攝像機識別的物體尺寸進行衡量并建立起多攝像機系統的數字環境。

論文的內容包括：

第一章為緒論，介紹攝像機標定相關的研究背景、國內外研究現狀。

第二章為攝像機標定理論基礎：主要介紹標定的坐標系與待標定的參數。

第三章提出本文的多攝像機標定方法與實驗過程。

第四章進行全文的總結。

二、攝像機標定方法研究

2.1攝像機標定原理

攝像機通過透鏡將三維物體投影到--維圖像平面上，這個成像變換的過程稱為攝像機成像模型。攝像機成像模型有多種，最常用的為小孔成像模型。由于實際的攝像機鏡頭會發生一定的畸變，使得空間點所成的像不在線性模型描述的位置而會發生一定的偏移，為了能準確的標定攝像機參數，標定的過程中要考慮非線性畸變因子。

一般來說，得到標定結果后要對其精度進行評估，然而很難得到準確的攝像機標定參數真值作為參考，其中基于圖像坐標和世界坐標的絕對和相對誤差的評價方法應用廣泛，本文將對這些方法的原理進行探討。

2.2攝像機標定坐標系建立

首先定義了四個坐標系，如圖1所示，圖像坐標系的坐標原點為O0，列與行由坐標軸u和v表示；成像平面坐標系的原點是攝像機光軸與圖像坐標系的交點0l，x、y 軸分別與u、v 軸平行；在攝像機坐標系中，坐標原點0c即為在攝像機的光心，Xc、Yc軸與x、y 軸平行，與圖像平面垂直是攝像機光軸作為Zc軸，0c0l為攝像機焦距f；世界坐標系是假想的參考坐標系，可固定于場景中某物體上，用于描述攝像機的位置，由Xw，Yw，Zw軸組成。

圖（1）

2.3攝像機外部參數構成

主動視覺傳感器從在笛卡爾直角坐標系中的運動表現為相應的旋轉矩陣和平移矩陣，故攝像機外部參數表現為旋轉矩陣R和平移矩陣T，則攝像機坐標系與世界坐標系的轉化關系可以表示成：

上式中（Xc，Yc，Zc）表示空間點在攝像機坐標系下的坐標，（Xw，Yw，Zw）表示空間點在世界坐標系下的坐標。根據靶標點在像空間坐標系和物方空間坐標系中的坐標，通過分解旋轉矩陣線性計算像空間坐標系與物方空間坐標之間的轉換參數，即外方位元素（攝站參數）[6]。

2.4各攝像機相對位置確定

三目攝像機擁有三個視覺傳感器，而三個傳感器之間的相對位置可通過已獲得的外部參數進行確定。將三個攝像機坐標系設置為，Oci xci yci zci（i=1，2，3），由2.3中所介紹的內容可知，這三個攝像機坐標系與世界坐標系的關系為：

i=（1，2，3）

由此我們可以得到任意兩個攝像機i，j的坐標系轉換關系：

其中： = = i，j=1，2，3

三、攝像機標定實驗過程及結果

3.1實驗系統介紹

實驗中被用來標定的是一個多攝像機系統，攝像機標定有關的基本參數、系統組成和開發環境如下：

（1）硬件環境

標定板、三目攝像機和圖像采集卡等。

（2）軟件環境

OpenCV開源視覺庫，它僅由一系列C函數和少量C++類構成，為Python、MATLAB等語言提供了接口，在圖像處理和計算機視覺方面實現了很多通用算法。

3.2實驗過程

本系統以棋盤格模板作為標定模板。采用激光打印機打印棋盤格黑白方塊間隔紙，方塊邊長為3cm，共6行9列，將打印紙固定在一塊平板上，作為標定模板，如圖（2）。安裝三目攝像機系統，調節固定好個攝像機位置，如圖（3）。手持標定板在三目攝像機前方各個位置拍攝5組共15張各姿態的照片，利用Canny算子進行像點灰度中心提取、同名像點匹配并解算出三個攝像機在標定板坐標系中的外部參數值。

3.3標定結果

攝像機1：

R= T=

攝像機2：

R= T=

攝像機3：

R= T=

四、總結

隨著計算機技術的高速發展，計算機視覺成為當今熱門的研究課題，受到了廣泛關注。本文就如何在機器視覺的理論基礎上對三目視覺系統進行標定進行了研究，討論了計算機視覺理論知識，分析攝像機標定原理以及標定坐標系的建立。同時通過計算機視覺知識的分析討論了基于三目視覺系統的攝像機標定技術，完成了三目視覺系統的外部參數標定實驗。三目攝像機測量系統外部參數的標定能夠解決測量作業現場、測量控制場建立難的問題，為快速地建立簡單實用的控制場提供了方案，有一定的實用價值。

參考文獻

[1] 荊麗秋.雙目視覺系統標定與匹配的研究與實現[D].哈爾濱工程大學，2009.DOI：10.7666/d.y1489086.

[2] 馬頌德.計算機視覺―計算理論與算法基礎[M].北京：科學出版社，1998.

[3] 王榮一.攝像機標定及關鍵技術研究[D].哈爾濱理工大學，2011.DOI：10.7666/d.y2012483.

[4] Clarke T A，Fryer J G.The development of camera calibration methods andmodels.Photogrammetric Record，1998，16（91）：51-66

[5] Brown D C.Decentering distortion of lenses.Photogrammetric Engineering，1 966，32（3）：444-462.

[6] 范亞兵，黃桂平，高寶華等.三目立體工業攝影測量系統外部參數的快速標定[J].測繪工程，2012，21（5）：48-52.DOI：10.3969/j.issn.1006-7949 .2012.05.013

第8篇：計算機視覺技術應用范文

關鍵詞 模式分析 計算機視覺 教學改革

中圖分類號：G643.2 文獻標識碼：A DOI：10.16400/ki.kjdkz.2016.03.015

Research and Practice on Course Group of Pattern Analysis and

Visual Processing for Graduated Students

SUN Han， CHEN Songcan， LIU Ningzhong， HUANG Yuanyuan， ZHU Qi

（College of Computer Science and Technology， Nanjing University of

Aeronautics and Astronautics， Nanjing， Jiangsu 210016）

Abstract By analyzing the teaching status of pattern analysis and visual processing course group， this paper puts forward the new teaching goal， which includes improving students' international vision， the ability of linking theory with practice， and promoting the engineering practice ability and innovative consciousness. Then this paper discusses the whole process of course group reform. Firstly the structure of teachers' group is optimized. And then the knowledge system of course group is sorted and the teaching mode is improved. Finally the practice system of course group is optimized and the assessment system is reformed.

Key words pattern analysis； computer vision； teaching reform

1 背景

我校模式分析與智能計算研究所師資團隊是江蘇省“青藍工程”創新團隊，主要研究領域包括智能數據分析、圖像處理和機器視覺等方向，承擔研究生和本科生的模式識別、機器學習、數據挖掘、智能信息檢索、數字圖像處理、計算機視覺等課程的教學任務。以往的教學過程中雖然積累了豐富的教學經驗，但當前新知識不斷涌現、新技術發展迅猛，對模式分析與視覺處理課程群的知識體系、實踐體系改進提出了新的挑戰。

近年來，國內外高校在該類課程教學上，已涌現出眾多新理念、新方法。Coursera聯合創始人Andrew Ng推出的機器學習課程，開啟了教育領域的MOOC時代，引領了教育教學方法的新革命。①深圳大學、②江蘇科技大學③分別進行了基于CDIO工程教育理念的計算機視覺課程教學改革實踐，實現多層次項目設計的教學模式改革，講座式、討論式、實踐式教學方法的探索。國防科技大學④在計算機視覺課程中引入研討式教學模式，通過案例教學、小組研討的方式來替代傳統的教學方式。華中科技大學⑤從教學內容國際化、教學方式國際化、教學成果國際化三個方面開展了計算機視覺課程的國際化建設。另外，也有高校進行了圖像工程課程群建設，⑥基于圖像分析與計算機視覺應用課程結合的項目協同創新能力培養實踐。⑦

在分析上述國內外高校該類課程改革的基礎上，我們重點以模式分析與視覺處理課程群的實踐教學體系改革為切入點，優化師資隊伍結構，梳理課程群知識體系，優化課程授課模式，完善課程群實踐體系，改革實踐考核模式，實現學生國際化視野、理論聯系實際、工程實踐和創新能力全面提升的目標。

2 模式分析與視覺處理課程群特點

模式分析與視覺處理課程群涵蓋了模式識別、機器學習、數據挖掘、數字圖像處理、計算機視覺等多門課程。該類課程存在以下特點。

（1）該類課程屬于多學科交叉，涉及的知識面既廣又深。由于該方向涉及計算機科學與技術、應用數學、自動化、電子科學與技術、信息工程等多學科內容，而學生在大學本科階段很難學習和了解如此多的知識模塊，這對研究生階段學習來說，具有相當大的挑戰。同時，對于每個知識模塊，所要求的數學基礎較高，理論具有相當的深度，理解和掌握不容易。

（2）該類課程既重視扎實的基礎理論，也強調良好的工程實踐能力。該類課程的基礎理論教學一直受到各高校的重視。隨著近年來產業界的迅猛發展，計算機視覺應用層出不窮，對學生的工程實踐也提出了更高要求，需要能夠在系統層次上有整體認知，同時要能對各功能模塊進行優化，提升系統的整體性能。

（3）該類課程所面向的選修學生面廣。該類課程既是多學科交叉，也面向計算機應用、電子科學與技術、自動化、應用數學等不同研究方向、不同水平層次的研究生開設。這對課堂教學和實驗實踐也帶來更大挑戰。

3 模式分析與視覺處理課程群改革舉措

針對上述分析的課程群特點，我們重點以實踐體系改革為突破口，通過優化師資隊伍結構，梳理課程群知識體系，優化課程授課模式，完善課程群實踐體系，改革實踐考核模式等舉措，實現學生國際化視野、理論聯系實際、工程實踐和創新能力全面提升的目標。

3.1 師資隊伍結構優化

為了學生能夠適應模式分析與視覺處理產業的快速發展，在課程群建設過程中更強調學生的工程實踐和創新能力培養。這首先對師資隊伍結構提出了新的要求。

近年來，課程教學團隊引進海內外具有深厚理論功底和較強工程能力的高水平師資4名，大大充實了機器學習、數據挖掘、圖像處理等課程的教學力量。對于現有教師隊伍，鼓勵教師跟產業一線企業廣泛合作，目前已與華為、中興等企業在視頻檢索、智能交通視覺處理等方面開展了實質合作。這些來源于產業界的高質量課題對科研和教學起到了良好的促進作用。

與此同時，通過研究生工作站、企業短期實習等渠道，鼓勵企業高級研發人員參與到學生實踐能力培養環節中，將實際項目進行適當切分或提煉，實現該類課程實踐環節的模塊化、專題化訓練。

綜上，通過引培并舉，優化校內師資隊伍結構；通過校企合作，積極吸引企業師資參與。良好的師資隊伍為該類課程的實踐體系改革提供了有力支撐。

3.2 課程群知識體系梳理與授課模式改革

模式識別、機器學習、數據挖掘、智能信息檢索、數字圖像處理、計算機視覺等課程既有一定的邏輯關系，也存在相互交叉的混雜關系。一般認為，模式識別、機器學習是模式分析與視覺處理領域的基礎理論課程，數據挖掘是建立在模式識別、機器學習和數據庫基礎上的應用類課程，智能信息檢索則是數據挖掘基礎上更為具體的應用實現。數字圖像處理為計算機視覺課程提供了基礎支撐，計算機視覺則是在綜合利用模式識別、機器學習、數字圖像處理、數據挖掘等知識模塊基礎上面向應用的系統實現。但是，這些課程也存在著知識點的交叉或重復。例如，模式識別和機器學習中都有貝葉斯參數估計、支持向量機模型等知識點，但視角和側重點有所不同；圖像處理、計算機視覺中都有顏色模型、成像模型等知識點，也同時存在與模式識別、機器學習交叉的知識點。

我們針對來自不同研究領域的學生群體，對該課程群的知識點進行系統梳理，既避免知識點的重復講授，也防止重要知識點的缺漏。課程教師集體討論，形成每門課程的核心知識集，和針對不同研究領域的選講知識集。學生在學習課程時，在掌握核心知識集的基礎上，結合自己的研究方向選擇相關的選講知識集學習。

在課程教材和參考書的選擇上，注重挑選國際上有影響力的教材。例如，模式識別的參考書為Richard O. Duda等人編著的Pattern Classification；機器學習的參考書為Tom M. Mitchell編著的Machine Learning和Christopher M. Bishop編著的Pattern Recognition and Machine Learning；數據挖掘的參考書為Jiawei Han等人編著的Data Mining：Concepts and Techniques；數字圖像處理的參考書為K. R. Castleman編著的Digital Image Processing；計算機視覺的參考書為D. A. Foryth編著的Computer Vision： A Modern Approach和Richard Szeliski編著的Computer Vision： Alogrithms and Applications。這些教材已被國內外著名大學普遍采用。同時，每門課程都提供相關的國內外頂級會議和期刊的列表，供學生課后追蹤研究領域的熱點問題。

在課堂授課環節上，注意采用靈活多樣的授課方式。對于核心基礎知識模塊，以教師講授為主，同時提供國內外該類課程的熱門MOOC網址給學生參考。對于選講知識模塊，鼓勵學生事先結合各自研究方向有目的自學，在學生報告的基礎上進行課堂討論方式進行。充分發揮學生學習的主體作用，也便于教師了解學生的水平和學習狀況。

除此以外，不定期邀請國內外著名學者來校做學術報告，讓學生充分了解該研究領域的最新前沿動態，并就熱點問題進行專題討論。

3.3 課程群實踐體系完善與考核方式改革

工程實踐和創新能力的培養是該課程群改革的重要目標。我們在上述師資隊伍結構優化、課程群知識體系梳理與授課模式改革的基礎上，著力進行課程群實踐體系的改革與完善。我們通過多層次菜單式的實驗項目選擇、項目牽引的創新能力訓練、學生綜合研究能力的全面考查等方面來實現。

首先，整合和優化課程群實踐內容，實現多層次菜單式靈活選擇。根據各研究領域的要求進行靈活搭配，根據學生個體的能力與水平選擇適當規模和難度的實踐內容，通過課程內的基礎實驗、課程間的綜合實驗、課程群的創新實驗來選擇和組合，如圖1所示。

圖1 多層次菜單式實驗內容示意圖

基礎型實驗內容主要是各課程核心知識點的實驗驗證，主要包括模式識別，機器學習，數據挖掘，圖像處理與分析，計算機視覺等課程的實驗。要求選課學生對這些基礎實驗必做，打下良好的研究基礎。

綜合探索型實驗在基礎型實驗基礎上，既有單門課程內總的綜合實驗，也有課程間知識的綜合應用。主要分為兩大塊，包括模式分析與機器學習方向的綜合實驗，以及圖像處理與機器視覺方向的綜合實驗。實驗目的主要是針對這兩大塊方向重點知識的綜合分析和比較，能夠熟練掌握和靈活應用。例如模式分析、機器學習、數據挖掘等方向都用到的線性判別分析、支持向量機、均值聚類等內容；圖像處理與機器視覺中的圖像特征抽取、視覺系統選型、目標檢測、特定平臺的算法優化等內容。學生可根據各自研究方向有目的的選擇兩塊綜合實驗的大部分內容。

在綜合型實驗基礎上，該課程群通過若干創新型實驗來檢驗學生理論知識掌握程度和實踐方法應用能力，為后續的研究課題開展打下良好的科研素養。主要內容包括人臉識別、二維條碼識別、車輛屬性識別、智能視覺監控、以及企業來源的關鍵技術等。這些項目實踐既涉及用到圖像處理與機器視覺的內容，也涉及模式分析與機器學習方向的知識。并且需要學生在綜合運用相關知識的基礎上有創新能力。

其次，重視各類項目牽引的創新能力訓練。一方面，鼓勵教師從國家自然科學基金、企業合作項目等研究中提煉出問題規模和難度適中的訓練項目，作為課程群的綜合能力訓練項目。另一方面，鼓勵學生參加挑戰杯、全國研究生智慧城市技術與創意設計大賽等各類具有挑戰性的競賽項目，以賽代練，提升學生的工程實踐和創新能力。同時，也鼓勵學生利用百度、微軟等相關研究領域的企業實習機會，參與產品一線的工程實踐能力訓練。

再次，注重考核環節，實現科研素養和實踐能力的全面考查。只有嚴格、公平、公正的考核，才能保證實驗實踐的質量和水平，才能提升學生的科研素養和實踐能力。我們主要在手段、方式方法上進行了改進。在題目選擇上，根據學生個體水平和研究領域要求的差異，在選題上有適當的難易區分度，讓每位學生都有鍛煉和提升的機會；在考核方式上，采用結題書面報告來檢驗學術論文的寫作能力，采用程序演示檢驗系統的設計與實現水平，采用上臺匯報的方式檢驗學生的表達能力，多管齊下全面檢查學生的綜合科研素養；在考核成績評定上，采用現場教師和學生共同評分的方式，公平合理；最后，通過網站展示、發表學術小論文、專利、軟件著作權等方式展示和公開優秀成果，激發學生的學習熱情，并由此形成積累，有利于學生實驗實踐氛圍的傳承。

4 結語

本文在分析國內外高校模式分析與視覺處理類課程群改革現狀的基礎上，以學生國際化視野、理論聯系實際、工程實踐和創新能力全面提升為目標，重點開展了師資隊伍結構優化、課程群知識體系梳理、課程授課模式改革、課程群實踐體系完善和實踐考核模式改革等工作，取得了良好的效果，并為校內其他課程群的教學改革作為示范推廣。

注釋

① https：///learn/machine-learning/

② 郭小勤，曹廣忠.計算機視覺課程的CDIO教學改革實踐.理工高教研究，2010.29（5）：98-100，148.

③ 史金龍，白素琴，龐林斌，錢強.研究生機器視覺課程的CDIO教學改革實踐.計算機教育，2013.9：40-43.

④ 陳芳林，劉亞東，沈輝.在《計算機視覺》課程中引入研討式教學模式.當代教育理論與實踐，2013.5（7）：112-114.

⑤ 王岳環，桑農，高常鑫.計算機視覺課程的國際化教學模式.計算機教育，2014.19：101-103.

第9篇：計算機視覺技術應用范文

生活中，每個人都問過別人“這件衣服是從哪買的？”“這雙鞋是什么牌子的？”這一問題很快會被AI技術解決，只需要拿出手機對著物品拍照，就會得到商品的各種信息，并且能一鍵買買買。這就是美國著名圖片社交網站Pinterest（拼趣）即將推出的應用圖片識別購買業務。

Pinterest總裁Tim Kendall表示，“Pinterest可以即刻在存儲750多億張圖片的巨大網絡空間內進行搜索，從而為用戶找到與所拍攝照片相似的配對圖片，以及查找到哪些地方能夠買到他們所需的商品。”

目前，Pinterest的估值已經達到了110億美元，該公司的專注點正在向營收增長和創收方面轉變。相比Facebook、Twiter等社交網站，Pinterest已經率先找到了一條清晰的創收道路。

從興趣到產品

亞里士多德曾經說過，古往今來人們開始探索，都應起源于對自然萬物的驚異。科技的進步也是如此，就像微軟研發主管和項目負責人Mitch Goldberg所說：“我們想通過該應用向人們展示識別技術的無限魅力。”

今年2月，微軟旗下的Garage實驗室了一款名為“Fetch！”的應用，它可通過機器學習系統識別照片中寵物狗的品種并用文字對該品種進行簡單的介紹。

隨著計算機視覺領域開始利用深層神經網絡這種模仿人類大腦生物過程的系統來從事機器學習，識別的精確度實現了巨大飛躍。也就是說通過機器學習技術，Fetch！識別的準確度會越來越高，隨著大量圖片的涌入，Fetch！ 可以自我修復錯誤，從而更加精確地識別每一只狗的樣貌、形態、動作。除了測試狗類品種以外，你還可以把朋友的照片上傳至平臺，看看他們能夠對應出哪種寵物。

微軟的這款產品基于目前最為熱門的一種圖像識別技術――“深度神經網絡”，同樣基于這種技術，微軟還有另一款有趣的產品：。去年5月，有超過5.75億圖片被提交到，超過8500萬來自世界各地的使用者訪問了這個網站，只為尋找一個簡單問題的答案――顏齡機器人認為我看起來像幾歲？如果是合照，并且顏齡機器人識別出的自己比周圍人年齡小，則更能引發用戶的興趣，這種“損人利己”的識別應用著實在社交媒體上火了一把。

另一讓計算機視覺研究技術人員特別感興趣的領域是生物識別，當下最為火爆的莫過于人臉識別技術了。早期的人臉識別技術多為安防領域，如海關識別走私犯、商店識別小偷等。近年來，深度學習的研究與應用使得人臉識別和人工智能的核心技術得到了極大的提升，攝像頭等圖像硬件的發展為人臉識別提供了很好的圖像基礎，如今人臉識別技術應用更加廣泛，比如公司可以使用刷臉打卡來杜絕代人打卡簽到現象。

其實早在2012年，谷歌就開發出了安卓系統的“刷臉解鎖”技術，但因安全問題未解決，該技術一直未能得到普及。

而今年3月，電商巨頭亞馬遜提交了一項針購物付費的專利技術，即消費者在亞馬遜網站購物時可以通過自拍或者視頻來進行付費，無須再輸入賬號密碼。在消費時系統會提示用戶表現出特定的行為、情緒或手勢來證明消費者就是本人，而不是拿著照片的冒名頂替者。

亞馬遜表示，這項技術能使消費者更加安全地進行網上購物，因為很多用戶為了省事會把所有賬戶都用同一個密碼，或者把密碼記在手機里，一旦遭遇“撞庫”或者手機被盜，后果不堪設想，而刷臉技術則沒有這個風險。

除了識別人臉，在識別其他生物方面也有了突破性進展，比如識別寄生蟲。瘧疾，是一種由瘧原蟲造成的全球性急性寄生蟲傳染病，據統計，2015年有大約有2.14億人受瘧疾的影響。

一直以來，醫療工作者是通過肉眼觀察采樣玻片來確定采樣對象是否被瘧原蟲感染，這不但是對醫療工作者經驗的考驗，而且工作效率也十分低下，而貧困地區一直都缺乏有經驗的醫療工作者。

今年2月，根據MIT Technology Review報道，Intellectual Ventures Laboratory（智能事業實驗室）開發出了能夠檢測和評估瘧疾感染的便攜式顯微鏡。這種顯微鏡采用的是一個名為“Autoscope”的系統，通過計算機視覺和深度神經網絡技術，采用深度學習算法來鑒別瘧原蟲。這款便攜式顯微鏡今年在泰國實地測試，成功鑒別出了 170塊玻片中的瘧原蟲如果這項技術得到普及之后，只要診所有一臺Autoscope顯微鏡和一些載玻片，就可解決瘧疾的診斷問題，這將使瘧疾診斷不再依賴于有限的專業醫療人員。

技術轉化為產品

新技術的出現，讓計算機不但“看見”這個世界，更能“看懂”這個世界，可以代替人眼甚至超越人眼。

人的視野是有限的，并且會受到周邊條件的影響，駕駛員在開車時會有視野盲區，還會受到光線的影響，并且大霧、暴雨等極端天氣也會嚴重影響駕駛員的視線。而計算機視覺技術就不一樣了，視野會更開闊，受限制更小。根據汽車媒體《Leftlane》報道，福特公司最新的無人駕駛汽車研究計劃是由激光感應（LiDAR）和雷達、攝像頭形成一張周圍環境的高清3D地圖，不但讓無人駕駛汽車看到攝像頭視野范圍之外的物體，而且并不受光線限制。在夜間試駕后，福特工程師Wayne Williams說：“坐在汽車里，我能感到它在走，但是我往車外看，只能看到一片漆黑。結果令人驚喜，車輛準確地沿著蜿蜒的道路行駛。”

識別場景這一領域技術的發展，使得計算機不但能當機器的眼睛，還能變成人類的眼睛。

對于雙目失明的人來說，能親自感知這個世界是夢寐以求的事，而微軟2016 Build開發者大會上Seeing AI項目正是要幫助盲人實現這一愿望。

Seeing AI項目是通過計算機視覺和自然語言去形容一個人的周圍環境、朗讀文本、回答問題以及識別人的面部表情，可以在手機上使用，也可以在Pivothead的智能眼鏡上使用。如果投入使用，將有助于為視障人士營造更公平的環境，是一款能夠真正改變人們生活的產品，就像此項目的高級項目經理Anne Taylor所說的，這是“為真正重要的場景尋求解決方案”。也許不久微軟能開發出一種仿生眼，直接發送視覺信號到大腦，讓盲人真正看到這個世界。